Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Hypothesentests wirklich verstehen
Was passiert, nachdem du deine Durchschnittswerte berechnet und deine Diagramme erstellt hast? Wie kommst du von der deskriptiven Statistik zu einer sicheren Entscheidungsfindung? Wie kannst du Hypothesentests nutzen, um echte Probleme zu lösen? In diesem vierstündigen Kurs über die Grundlagen der Inferenz in Python lernst du, wie du anhand von Daten fundierte Schlussfolgerungen ziehst. Du lernst alles über Stichproben und findest heraus, wie falsche Stichproben die statistische Schlussfolgerung durcheinanderbringen können.Analysiere eine Vielzahl von Szenarien
Du fängst damit an, mit Hypothesentests für Normalität und Korrelation sowie mit parametrischen und nichtparametrischen Tests zu arbeiten. Du führst diese Tests mit SciPy durch und schaust dir die Ergebnisse an, um Entscheidungen zu treffen.Als Nächstes misst du die Stärke eines Ergebnisses anhand der Effektgröße und der statistischen Aussagekraft, wobei du durch Korrekturen falsche Korrelationen vermeidest.Schlussendlich wirst du Simulationen, Randomisierung und Metaanalysen nutzen, um mit einer Vielzahl von Daten zu arbeiten, einschließlich der erneuten Analyse von Ergebnissen anderer Forscher.Zieh fundierte Schlussfolgerungen aus Big Data
Nach dem Kurs kannst du Big Data erfolgreich nutzen, um fundierte Entscheidungen zu treffen, auf die sich Führungskräfte verlassen können. Du wirst weit über Grafiken und zusammenfassende Statistiken hinausgehen, um zuverlässige, wiederholbare und erklärbare Ergebnisse zu erzielen.Voraussetzungen
Lernprogramm
Kursübersicht
1
Inferenzstatistik und Stichproben
In diesem Kapitel untersuchen wir die Beziehung zwischen Stichproben und statistisch begründbaren Schlussfolgerungen. Die Wahl der Stichprobe ist die Grundlage für solide statistische Entscheidungen, und wir zeigen, wie sich die Auswahl einer Stichprobe auf das Ergebnis deiner Inferenz auswirkt.
- Statistische Inferenz und Zufallsstichprobe50 XP
- Stichproben und Punktschätzer100 XP
- Wiederholtes Sampling, Punktschätzungen und Inferenz100 XP
- Stichproben und Bias50 XP
- Stichproben visualisieren100 XP
- Inferenz und Verzerrung100 XP
- Konfidenzintervalle und Stichproben50 XP
- Normale Stichprobenverteilungen100 XP
- Konfidenzintervalle berechnen100 XP
- Schlussfolgerungen aus Stichproben ziehen100 XP
2
Hypothesentest-Werkzeugkasten
Lerne, wie du Tests auf Normalverteilung, Korrelation sowie parametrische und nichtparametrische Tests für belastbare Inferenz anwendest. Hypothesentests sind Werkzeuge, und das richtige Werkzeug für die Aufgabe zu wählen, ist entscheidend für statistische Entscheidungen. Auch wenn dir einige dieser Tests aus Einsteigerkursen bekannt sind, gehst du hier tiefer, um deinen Inferenz-Werkzeugkasten zu erweitern.
3
Effektstärke
In diesem Kapitel misst und interpretierst du Effektstärken in verschiedenen Situationen, begegnest dem Problem der multiplen Vergleiche und untersuchst die Teststärke (Power) im Detail. Während p-Werte dir sagen, ob ein signifikanter Effekt vorliegt, verraten sie nicht, wie stark dieser ist. Die Effektstärke misst, wie stark die Wirkung einer Behandlung ausfällt. Meistere in diesem Kapitel die Faktoren, die der Effektstärke zugrunde liegen.
4
Simulation, Randomisierung und Metaanalyse
Du erweiterst deinen Werkzeugkasten der Inferenzstatistik weiter mit einem Blick auf Bootstrapping, Permutationstests und Methoden zum Kombinieren von Evidenz aus p-Werten. Bootstrapping bietet dir einen ersten Einblick in statistische Simulation. In der Lektion zur Metaanalyse lernst du, wie du Ergebnisse aus mehreren Studien zusammenführst. Zum Abschluss schaust du dir Permutationstests an – ein leistungsfähiges und flexibles nichtparametrisches statistisches Werkzeug.
Grundlagen der Inferenz in Python
Kurs
abgeschlossen
